본문으로 건너뛰기
IFAI

로봇

파시니, PXCap Pro 데이터 장갑 공개: 0.1N 미세 힘 감지로 로봇 정밀 작업 학습 지원

게시 확산 지수 39

파시니가 로봇 훈련용 5지 데이터 수집 장갑 'PXCap Pro'를 공개했다. 300g의 초경량 설계에 0.1N의 힘 변화를 감지하는 촉각 센서, 손목 광각 카메라, 내자성 관절 엔코더를 통합했다. 인간의 손동작을 표준화된 물리 데이터로 즉시 추출해 로봇이 포장이나 실험 같은 정밀 작업을 배우도록 돕는다.

파시니, PXCap Pro 데이터 장갑 공개: 0.1N 미세 힘 감지로 로봇 정밀 작업 학습 지원
이미지: geekpark.net

로봇에게 리본을 묶게 하거나 풍선을 쥐게 하는 일은 굴착기로 바느질을 시키는 것만큼이나 까다롭습니다. 로봇의 손 하드웨어가 아무리 정교해져도 미세한 작업을 해내지 못하는 이유는, 물체에 닿았을 때 어느 정도의 힘을 줘야 하는지 감을 잡지 못하기 때문입니다.

파시니(PaXini AI)는 차세대 5지 데이터 수집 장갑 'PXCap Pro'를 공개했습니다. 목적은 분명합니다. 사람이 장갑을 끼고 일상적인 정밀 작업을 수행하면, 그 섬세한 물리적 접촉 데이터를 로봇 학습용 고품질 자산으로 바로 변환하는 것입니다.

0.1N 미세 힘 감지와 전자기 간섭 차단

로봇이 인간의 손기술을 배우려면 외부 카메라 영상만으로는 턱없이 부족합니다. PXCap Pro는 촉각, 시각, 관절 자세라는 세 가지 감각 모달리티를 단일 하드웨어에 통합해 밀리초 단위로 동기화합니다.

핵심인 촉각 영역에는 손가락 끝과 손바닥 전체에 다차원 어레이 방식 촉각 센서를 탑재했습니다. 0.1뉴턴(N) 수준의 미세한 힘 변화까지 잡아내며 3차원 힘과 분포 변화를 정밀하게 기록합니다. 기존 장비들이 힘의 강약을 구분하지 못하던 한계를 넘어선 셈입니다.

손목에는 165도 초광각 카메라를 장착해 외부 카메라에서 생기기 쉬운 사각지대를 없애고, 손의 움직임과 물체 간의 상호작용을 가까이서 기록합니다.

관절 각도 추적에는 자체 개발한 ±0.15도 고정밀 앵글 엔코더를 적용했습니다. 복잡한 전자기 간섭이 존재하는 환경에서도 손가락 관절 각도를 오차 없이 추적해 냅니다.

전체 무게는 300g에 불과하며 사람 손 크기에 꼭 맞게 설계되었습니다. 공장 출고 시 정밀 보정이 완료되어 영구 적용되며, 내장 알고리즘이 표준 규격 데이터를 즉시 추출하므로 번거로운 재보정 없이 곧바로 모델 훈련에 투입할 수 있습니다.

장갑 끼고 일하면 그대로 데이터가 된다

사용법은 간단합니다. 연구원이나 현장 작업자가 이 가벼운 장갑을 착용하고 평소처럼 작업을 수행하기만 하면 됩니다.

적용 범위는 매우 넓습니다. 리본 묶기, 풍선 다루기, 택배 상자 포장부터 실험실의 정밀 시약 조작까지 다양합니다. 향후 외식 서비스, 자동차 조립, 가사 간병 등 인간의 손맛이 필요한 복잡한 작업 데이터를 모두 포괄할 수 있습니다.

그동안은 작업자의 손 크기나 습관 차이로 인해 수집된 데이터가 왜곡되거나 파편화되어 재사용하기 어려웠습니다. 파시니는 규격화된 장비를 통해 인간의 숙련도를 표준 물리 데이터로 전환하겠다는 구상입니다. 이 장갑은 8월 19일 개막하는 2026 세계로봇대회(WRC) 현장에서도 공개될 예정입니다.

왜 중요한가

로봇 개발자 입장에서 PXCap Pro는 번거로운 밑작업을 덜어주는 장비입니다. 기존에는 촉각 센서와 모션 캡처 장비를 따로 조합하고 보정하느라 개발 시간이 늘어지기 일쑤였습니다. 300g 초경량 장갑으로 훈련용 데이터를 즉시 뽑아낼 수 있다는 점은 현장 배포 효율을 크게 높여줍니다.

업계 전반으로 보면 휴머노이드 하드웨어 자체는 점차 상향 평준화되는 추세이며, 승부처는 '두뇌' 학습으로 옮겨가고 있습니다. 하지만 정밀한 접촉력 데이터가 부족해 대형 임바디드 모델의 발전이 발목을 잡혀 있었습니다. 로봇 완제품 경쟁 대신 데이터 표준화 인프라를 먼저 공략한 파시니의 행보는 매우 영리해 보입니다.

다만 한계도 분명합니다. 인간 손에서 0.1N 단위의 정밀한 힘과 관절 각도를 온전히 추출하더라도, 이를 자유도와 구조가 제각각인 다양한 로봇 그리퍼나 다지 핸드에 매핑하는 작업은 여전히 다운스트림 AI 모델 알고리즘의 몫으로 남아 있습니다.

출처 (2)

  1. [1]
  2. [2]
    youtube.com(새 탭에서 열림)보도youtube.com

매일 AI 콘텐츠 픽